Influence of Parallelism in Vector-Multiplication Units on Correlation Power Analysis

بيان المشكلة
إن الانتشار المتزايد للشبكات العصبية (NNs) على الأجهزة الطرفية ذات الموارد المحدودة يفرض مخاطر أمنية كبيرة تتعلق بسرية النموذج. وبينما تُستخدم المسرعات العتادية (hardware accelerators) بشكل شائع لتعزيز أداء الاستدلال من خلال المعالجة المتوازية، إلا أنها تغير أيضًا خصائص التسرب الفيزيائي التي يتم استغلالها في تحليل القنوات الجانبية (Side-Channel Analysis - SCA). وتواجه هجمات تحليل الارتباط بالقوة (Correlation Power Analysis - CPA)، التي تستهدف تقليديًا التنفيذات المتسلسلة أو غير المتوازية بشكل كبير، تحديات جديدة عند تطبيقها على وحدات الضرب الاتجاهي (vector-multiplication units) حيث تعالج عدة عصبونات نفس المدخلات في وقت واحد. وتشير الأبحاث الحالية إلى أن استهلاك الطاقة العالمي أو الانبعاثات الكهرومغناطيسية (EM) قد لا تكون كافية لاستخراج المعلمات في المسرعات عالية التوازي، ومع ذلك، يفتقر البحث إلى تحليل رسمي لكيفية تسبب درجة التوازي في تقليل معدل نجاح هجوم CPA كميًا. وتتمثل المشكلة الجوهرية التي يتم معالجتها في تحديد عتبة التوازي التي يصبح بعدها هجوم CPA القائم على الطاقة العالمية غير قابل للتنفيذ لاستخراج أوزان العصبونات في الطبقات كاملة الاتصال (fully-connected layers).

المنهجية
يستخدم المؤلفون نهجًا نظريًا وتجريبيًا مدمجًا لنمذجة تأثير التوازي على نجاح هجوم CPA:

1. النمذجة النظرية:

   • نموذج الطاقة: تدرس الدراسة إجمالي استهلاك الطاقة ($P_{total}$) لوحدة ضرب اتجاهي تتكون من مصفوفة من عناصر المعالجة (PEs). وتفترض سيناريو مثاليًا يتم فيه تقليل مكونات الثابت والضجيج، مع التركيز على المكونات المعتمدة على البيانات ($P_{data}$) والمكونات المعتمدة على العمليات ($P_{op}$).
   • الاعتماد الإحصائي: على عكس الخوارمايات التشفيرية حيث تعالج المكونات المتوازية غالبًا بيانات مستقلة، تشير الدراسة إلى أنه في الضرب الاتجاهي للشبكات العصبية، تعالج جميع عناصر المعالجة (PEs) نفس قيمة المدخلات في آن واحد ولكن بأوزان مختلفة. وهذا يخلق اعتمادًا إحصائيًا بين استهلاك الطاقة لمختلف عناصر المعالجة.
   • تحليل الارتباط: يشتق المؤلفون معادلات تصف معامل الارتباط ($\rho$) بين فرضية الوزن الصحيح وإجمالي استهلاك الطاقة كدالة لعدد عناصر المعالجة المتوازية ($n_{PE}$). ويستخدمون نماذج الوزن الهامينج (Hamming Weight - HW) والمسافة الهامينج (Hamming Distance - HD) لمحاكاة آثار الطاقة للنتائج الوسيطة.
   • نسبة الإشارة إلى الضجيج (SNR): تحلل الدراسة العلاقة بين SNR ونجاح CPA، وتضع حدًا حيث ينخفض ارتباط الفرضية الصحيحة عن ارتباط الفرضيات غير الصحيحة.

2. التحقق التجريبي:

   • التنفيذ العتادي: تم تنفيذ وحدة ضرب اتجاهي على لوحة Xilinx Artix-7 FPGA (لوحة NewAE Technology CW305). يسمح هذا التصميم بالتعديل الديناميكي لعدد عناصر المعالجة المتوازية (من 1 حتى 64).
   • المعلمات: يستخدم النظام أوزان ومدخلات مكممة بـ 8 بت، مع سجلات 32 بت للنتائج الوسيطة. تعمل لوحة FPGA بتردد 1 ميجاهرتز لمنع تداخل استهلاك الطاقة عبر دورات الساعة.
   • القياس: تم قياس استهلاك الطاقة عبر مقاومة شنت (shunt resistor) وتم تضخيمها، مع أخذ عينات بتردد 625 ميجاهرتز. يستهدف الهجوم استخراج الأوزان التي تعالجها وحدة معالجة محددة بينما تعمل وحدات المعاللة الأخرى بالتوازي مع أوزان مختلفة.
   • استراتيجية الهجوم: يختبر المؤلفون CPA عند نقاط زمنية مختلفة ($\tau$) ضمن تسلسل عملية الضرب والجمع المتراكم (MAC)، وتحديدًا استهداف عملية الضرب الأولى ($\tau=0$) وتبديلات السجلات اللاحقة ($\tau=1, \tau=7$).

المساهمات الرئيسية

1. الوصف السلوكي النظري: تقدم الورقة وصفًا نظريًا لكيفية تأثير المعالجة المتوازية للبيانات في وحدات الضرب الاتجاهي على استهلاك الطاقة، مع تسليط الضوء بشكل خاص على الاعتماد الإحصائي الناتج عن المدخلات المشتركة.
2. تكميم تأثير التوازي: يشتق المؤلفون معادلات (تحديدًا المعادلة 7 ومتغيراتها) تصف الانخفاض الأسي في معامل الارتباط للفرضية الصحيحة للوزن مع زيادة عدد عناصر المعالجة المتوازية.
3. حد الجدوى: تحدد الدراسة حدًا عمليًا لجدوى CPA. فقد وجدوا أن CPA القائم على الطاقة العالمية يفشل عندما تعمل 8 عناصر معالجة أو أكثر بالتوازي، بينما تشير النماذج النظرية إلى عتبة أعلى قليلاً (حوالي 15 عنصر معالجة) في ظل الظروف المثالية.
4. التحقق من المعادلات: تم التحقق من صحة المعادلات المشتقة التي تصف اضمحلال الارتباط مقابل قياسات FPGA العملية، مما أظهر تقاربًا وثيقًا بين البيانات المحاكات والواقعية.

النتائج

• اضمحلال الارتباط: مع زيادة عدد عناصر المعالجة المتوازية، ينخفض معامل الارتباط للفرضية الصحيحة بشكل أسي. توفر الدراسة دالات استكمال محددة لنقاط زمنية مختلفة ($\tau=0, 3, 7$).
• عتبة جدوى الهجوم:
  • نظريًا: يظل ارتباط الفرضية الصحيحة متميزًا عن الفرضيات غير الصحيحة حتى حوالي 15 عنصر معالجة متوازي. بعد ذلك، تنخفض نسبة SNR إلى ما دون العتبة اللازمة (حوالي 0.045 في المتوسط، و0.1 في أسوأ الحالات).
  • تجريبيًا: تظهر القياسات العملية على FPGA أن الهجوم يصبح غير قابل للتنفيذ مع وجود 8 عناصر معالجة متوازية فقط. عند هذه النقطة، تنخفض نسبة SNR إلى أقل من ~0.02، وتبدأ الفرضيات غير الصحيحة في إظهار معاملات ارتباط أعلى من الصحيحة.
• الحساسية للنقطة الزمنية: يوفر استهداف عمليات MAC المتأخرة (مثل $\tau=7$) متانة أعلى قليلاً من استهداف عملية الضرب الأولى ($\tau=0$) لأن النتائج الوسيطة تصبح أكثر تباعدًا. ومع ذلك، حتى مع النقاط الزمنية المتأخرة، يفشل الهجوم بعد 8 عناصر معالجة متوازية في الإعداد التجريبي.
• توزيع المدخلات: تؤكد الدراسة أن التوزيع الإحصائي للأوزان (منتظم مقابل طبيعي) لا يؤثر بشكل كبير على نجاح CPA، حيث يعتمد الهجوم على الاعتماد الإحصائي للمدخلات بدلاً من قيم الأوزان المحددة.

الأهمية والادعاءات
تدعي الورقة أنها تقدم أول تحليل مفصل لكيفية تأثير عمليات الضرب الاتجاهي المتوازية في مسرعات الذكاء الاصطناعي على نجاح هجمات القنوات الجانبية القائمة على الارتباط. وتكمن أهميتها الأساسية في تحديد حدود تحليل الطاقة العالمية لاستخراج الشبكات العصبية:

• تثبت أن استهلاك الطاقة العالمي غير كافٍ لاستخراج الأوزان من وحدات الضرب الاتجاهي ذات التوازي العالي (تحديدًا $\ge 8$ عناصر معالجة في الإعداد المختبر).
• توضح أنه بالنسبة لهذه المسرعات عالية التوازي، يلزم استخدام قياسات كهرومغناطيسية (EM) موضعية لعزل تسرب كل وحدة معالجة على حدة (تحديدًا المجسات القادرة على تمييز ما لا يزيد عن 4 إلى 15 عنصر معالجة، اعتمادًا على SNR والتوازي المحدد).
• تسمح المعادلات المستمدة للمصممين والمهاجمين بتقدير جدوى هجمات CPA بناءً على درجة التوازي في تنفيذ عتادي معين، دون الحاجة إلى إجراء قياسات فيزيائية شاملة لكل تكوين.

يتبنى المؤلفون موقفًا متواضعًا، مشيرين إلى أن نتائجهم تعتمد على تنفيذات مكممة محددة وافتراضات ضجيج مثالية، لكن الاتجاهات الملحوظة من المتوقع أن تظل ثابتة للهياكل المشابهة للضرب الاتجاهي. كما صرحوا بوضوح أن التركيز ينصب حصريًا على صعوبة استخراج المعلمات (الأوزان) عبر تحليل الطاقة في البيئات المتوازية، وليس على قدرة استخراج البنية نفسها بوسائل أخرى.